GNE 是基于论文《基于文本及符号密度的网页正文提取方法》实现的新闻网页正文通用抽取器。 在论文中描述的正文提取基础上，还增加了标题、发布时间和文章作者的自动化探测与提取功能。 最后的输出效果如下图所示： 本项目取名为抽取器，而不是爬虫，是为了规避不必要的风险，因此，本项目的输入是 HTML，...